Unidade I

ESTATÍSTICA

Profa. Alessandra Teixeira

Estatística

 Interpretar processos em que há variabilidade.

 “Estatísticas” indica qualquer coleção de dados quantitativos,

ou, ainda, ramo da matemática que trata da coleta, da análise,
da interpretação e da apresentação de massa de dados
numéricos.

 “Estatística” é um conjunto de métodos e processos

quantitativos que serve para estudar e medir os fenômenos
coletivos.
Áreas da estatística

 Estatística descritiva: descreve e analisa determinada

população, utilizando métodos numéricos e gráficos, para se
determinarem padrões, em um conjunto de dados e, assim,
apresentar a informação.

 Estatística inferencial: conjunto de métodos para a tomada de

decisões, nas situações em que há incerteza, variações ou
outras generalizações acerca de um conjunto maior de dados.
Classificação dos dados

Qualitativos

Dados
Discretos

Quantitativos

Contínuos
Classificação dos dados

Grau de Idade
Estado Civil Nº filhos Salário (x. min)
Instrução (anos-meses)

Casado Ensino Médio 2 19,40 32 10

Ensino
Solteiro *** 4,00 23 03
Superior
Ensino
Solteiro *** 10,53 25 08
Fundamental

Casado Ensino Médio 1 4,56 48 11

Ensino
Solteiro *** 16,22 31 05
Fundamental
Fonte: da autora
Elementos da estatística

 População.

 Amostra.
Formas iniciais de tratamento de dados

A tabela mostra uma pesquisa sobre o número de filhos por

funcionário de uma certa empresa:

0 2 1 2 3 5 2 0 2 1
2 0 0 1 1 2 3 3 1 2
 Dados brutos

0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
 Rol
Distribuição de frequências

 Organiza os dados de acordo com as ocorrências dos

diferentes resultados observados.

 Apresentada em tabela ou gráfico.

 Tabela: apresenta de forma resumida um conjunto de dados.

 Tabelas de Frequência.

 Tabelas de Frequência Relativas.

 Tabelas de Frequência Acumuladas.

Tabelas

Título
Cabeçalho

Coluna
Indicadora

Rodapé
Distribuição de frequências

Gráficos: são usados para visualizar facilmente a natureza da

distribuição dos dados.
 Um gráfico é uma figura constituída a partir de uma tabela,
pois é quase sempre possível locar um dado tabulado
num gráfico.
 Colunas
 Barras
 Linhas
 Setores
 Dispersão
 Histograma
 Polígono de frequência
 Etc.
Gráfico em colunas

Fonte: https://emilioparme.wordpress.com/2012/08/15/utilizando-o-
google-charts-parte-2-multiplas-series-e-graficos-combinados/
Gráfico em barras

Fonte: https://www.tecmundo.com.br/excel/1745-saiba-qual-tipo-de-
grafico-representa-melhor-os-seus-dados-no-excel-2007.htm
Gráfico em linhas

Fonte: https://www.tecmundo.com.br/excel/1745-saiba-qual-tipo-de-grafico-
representa-melhor-os-seus-dados-no-excel-2007.htm
Gráfico em setores

 Total __________360º
 Parte___________ xº

Fonte: http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.html?aula=23097
Diagrama de dispersão

Fonte:
http://wikiciencias.casadasciencias.org/wiki/index.php/Diagrama_ou_gr%C3%A1fico_de_dispers%C3%A3o
Histograma

Estatura de 40 alunos
12

10

Número
2 de alunos

0
148. 152. 156. 160. 164. 168. 172. 176.
estatura

Fonte: da autora
Polígono de frequência

Estatura de 40 alunos
12
Número de alunos

10
8
6
4
2
0
148. 152. 156. 160. 164. 168. 172. 176.
Estatura
Fonte: da autora
Interatividade

São dados os seguintes experimentos:

I. Lançar uma moeda cinco vezes e observar o número de caras.
II. Numa linha de produção, observar dez itens, tomados ao acaso, e
verificar quantos estão defeituosos.
III. Verificar o tempo que internautas ficam em site de reportagem.
IV. Em uma realização de projeto, verificar a porcentagem do término
do projeto após 6 meses.
Quais dos itens acima terão eventos classificados como variáveis
aleatórias discretas?
a) I e II.
b) I e IV.
c) II e IV.
d) III.
e) I, II, III e IV.
Resposta

São dados os seguintes experimentos:

I. Lançar uma moeda cinco vezes e observar o número de caras.
II. Numa linha de produção, observar dez itens, tomados ao acaso, e
verificar quantos estão defeituosos.
III. Verificar o tempo que internautas ficam em site de reportagem.
IV. Em uma realização de projeto, verificar a porcentagem do término
do projeto após 6 meses.
Quais dos itens acima terão eventos classificados como variáveis
aleatórias discretas?
a) I e II.
b) I e IV.
c) II e IV.
d) III.
e) I, II, III e IV.
Distribuição de Frequência – faixa etária de crianças

 Dificulta estabelecer em torno de qual valor tendem a se

concentrar as idades das crianças, ou, ainda, as que se
encontram acima ou abaixo de determinada idade.

Dados brutos:

6 10 9 14 7 4
8 11 12 5 9 13
9 10 8 6 7 14
11 6 12 11 15 13
12 11 4 10 7 13
10 9 8 12 13 7
Faixa etária de crianças

 Organizar os dados em rol

4 6 8 10 11 13

4 7 8 10 12 13

4 7 8 10 12 13

5 7 9 10 12 14

6 7 9 11 12 14

6 8 9 11 13 15
Faixa etária de crianças
Tabela de frequência

Idade Frequência
Idade Frequência
4 3
5 1
4  6 4
6 3
7 4
6 8 7
8 4
9 3 810 7
10 4
11 3 1012 7
12 4
13 4 1214 8
14 2
15 1 1416 3
Faixa etária de crianças
Tabela de frequência

Idade Frequência 4 6 8 10 11 13

4  6 4
4 7 8 10 12 13
4 7 8 10 12 13
6 8 7
5 7 9 10 12 14
810 7 6 7 9 11 12 14
1012 7 6 8 9 11 13 15
 Limites de classe (4  6)
1214 8  Amplitude de um intervalo
de classe
1416 3  hi = Li – li
Faixa etária de crianças
Ponto médio de uma classe

 Ponto médio de uma classe (xi)

Xi = (Ii + Li)/2 x1 = (4 + 6)/2 = 5.

Idade xi Frequência

4  6 5 4

6 8 7 7

810 9 7

1012 11 7

1214 13 8

1416 15 3
Faixa etária de crianças
Frequências

Idade xi Fi Fr Fa
4  6 5 4 (4/36)*100 = 11% 4
6 8 7 7 19% 11
810 9 7 19% 18
1012 11 7 19% 25
1214 13 8 22% 33
1416 15 3 8% 36
Total 36 98% ~ 100% 36
Mais um exemplo – estatura
Construção da tabela de frequência

Suponhamos termos feito uma coleta de dados relativos às

estaturas de 40 alunos, que compõem uma amostra dos alunos
de uma faculdade, resultando a seguinte tabela de valores:

Tabela – Dados Brutos

Estaturas de 40 alunos da faculdade a

166 160 161 150 162 160 165 167 164 160
162 168 161 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161
Estatura
Construção da tabela de frequência

Tabela – Rol

Estaturas de 40 alunos da faculdade a

150 154 155 157 160 161 162 164 166 169
151 155 156 158 160 161 162 164 167 170
152 155 156 158 160 161 163 164 168 172
153 155 156 160 160 161 163 165 168 173

Rol
Decidir o número de classes da tabela de frequência.
 Regra de Sturges: i = 1 + 3,3*log n =
 i = 1 + 3,3*log 40 = 6,27
 Regra do Quadrado: 40 = 6,32
Estatura
Construção da tabela de frequência

150 154 155 157 160 161 162 164 166 169
151 155 156 158 160 161 162 164 167 170
152 155 156 158 160 161 163 164 168 172
153 155 156 160 160 161 163 165 168 173
 Determinar a amplitude de classe, dividindo a amplitude pelo
número de classes.
 Amplitude de variação: 173 – 150 = 23 cm.
 23 / 6 = 3,83 (arredondar o resultado para mais)
Classes Estatura Frequência
1 150  154 4

2 154  158 9

3 158  162 11
Estatura
Construção da tabela de frequência

Estatura xi fi fr fa

150  154 152 4 0,10 ou 10% 4

154  158 156 9 0,225 ou 22,5% 13

158  162 160 11 0,275 ou 27,5% 24

162 166 164 8 0,20 ou 20% 32

166  170 168 5 0,125 ou 12,5% 37

170  174 172 3 0,075 ou 7,5% 40

Total 40 1 ou 100% 40
Medidas de tendência central

 Como podemos descrever estes dados?

 Como podemos resumir estes dados?
 Média.
 Mediana. Estatura Xi Fi
 Moda. 150  154 152 4
Estatura de 40 alunos 154  158 156 9
12
158  162 160 11
Número de alunos

10
8
6
162 166 164 8
4
166  170 168 5
2
0 170  174 172 3
148. 152. 156. 160. 164. 168. 172. 176.
Estatura Total 40
Média

 É a soma dos valores de todas as observações dividida pelo

número de observações envolvidas.

 Vantagem: leva em conta todos os valores no seu cálculo.

Número de filhos – média

0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5

Nº de filhos fi

0 4
1 5
2 7
3 3
4 0
5 1
Total 20
Média ponderada

 Um aluno fez um teste (peso 1) e duas provas (peso 2), tirando

8 no teste, 5 na primeira prova e 6 na segunda prova.
 A sua média (ponderada) será:

 Se o teste e a prova tivessem o mesmo peso (e não importa

qual o valor do peso, importa apenas a relação entre os
pesos), a média seria, aproximadamente, 6,33.
Interatividade

Em um levantamento realizado em maio, com os 134

funcionários da empresa XK, em relação a variável expressa em
unidades monetárias (u.m.), obteve-se a tabela abaixo.
Determine a média.
Salário Nº de funcionários
3 32
5 34
7 40
a) 3 salários. 9 28
b) 4 salários.
c) 5 salários.
d) 6 salários.
e) 7 salários.
Resposta

Salário Nº de funcionários Xifi

3 32 3x32 = 96

5 34 5x34 = 170

7 40 7x40 = 280

9 28 9x28 = 252

d) 6 salários
Média
96  170  280  252 798
x   5,95 salários
134 134
Mediana (Md)

 Divide uma série ordenada de dados em duas partes iguais.

Ocupa a posição central. Não é afetada por valores extremos.

 A amostra pode ter número ímpar de elementos ou número

par de elementos.

Calcular a posição da mediana com a fórmula a seguir:

 Posição mediana = (n + 1)/2.
Mediana – nº ímpar de elementos

 Um conjunto de dados indica o salário de funcionários de uma

empresa xi = {6, 9, 3, 5, 2, 9, 5, 5, 8, 7, 1, 7, 2}, em que n = 13.

 Rol - {1, 2, 2, 3, 5, 5, 5, 6, 7, 7, 8, 9, 9}

 Posição mediana = (n+1)/2

 Posição mediana = (13+1)/2 = 7 (indica a posição)

 Então

 Md = 5
Mediana – nº par de elementos

0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
 Exemplo: número de filhos
 Posição mediana = (20 + 1) / 2 = 10,5

Então:
 Md = (2 + 2)/2 = 2 filhos
Moda (Mo)

 Um conjunto de dados ao dado que ocorre com maior

frequência. A moda não é afetada por valores extremos.
É utilizada para fins descritivos apenas, uma vez que é, dentre
as medidas de tendência, a mais variável de amostra
para amostra.

 Uma moda: unimodal.

 Duas modas: bimodal.

 Mais de duas modas: multimodal.

 Nenhuma moda: amodal.

Número de filhos – moda

0 0 0 0 1 1 1 1 1 2
Nº de fi
2 2 2 2 2 2 3 3 3 5 filhos

 Mo = 2 filhos (unimodal). 0 4

1 5

2 7

3 3

4 0

5 1

Total 20
Medidas de dispersão

 Medidas que mostram a dispersão dos dados em torno da

tendência central.
 A variação se refere a Estatura de 40 alunos
quanto os valores 12
podem diferir entre

Número de alunos
10
si e pode ser 8
medida por 6
números específicos. 4
2
 Os números
0
relativamente próximos 148. 152. 156. 160. 164. 168. 172. 176.
uns dos outros têm Estatura
baixas medidas de
variação, enquanto os valores mais dispersos têm maior
medida de variação.
Medidas de dispersão

 Amplitude
Amplitude Total = Valor máximo – Valor mínimo

 Variância

 Desvio padrão

 Coeficiente de variação
s
CV  100
x
Amplitude – número de filhos

 Amplitude Total = Valor máximo – Valor mínimo

 Amplitude Total = 5 – 0 = 5
Nº de filhos fi

0 4
1 5
2 7
3 3
4 0
5 1
Total 20
Variância – número de filhos
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5

(𝑥𝑖 − 𝑥 )² 𝑥 = 1,65
𝑠² =
𝑠² 𝑛
2 2 2
0 − 1,65 + 0 − 1,65 + ⋯ + 3 − 1,65 + (5 − 1,65)²
=
20
2 2
−1,65 + −1,65 + ⋯ + 1,35² + 3,35²
𝑠² =
20

2,7225 + 2,7225 + ⋯ + 1,8225 + 11,2225

𝑠² =
20
30,55
𝑠² =
20

𝑠² = 1,5275 𝑓𝑖𝑙ℎ𝑜𝑠²
Número de filhos
Variância (s²)

Nº de filhos fi (𝒙𝒊 − 𝒙)² (𝒙𝒊 − 𝒙)² ∙ 𝒇𝒊

0 4 (-1,65)² = 2,72 2,724 = 10,88
1 5 (-0,65)² = 0,42 0,425 = 2,10
2 7 0,35² = 0,12 0,12  7 = 0,84
3 3 1,35² = 1,82 1,82  3 = 5,46
4 0 2,35² = 5,52 5,52  0 = 0
5 1 3,35² = 11,22 11,22  1 = 11,22
Total 20  = 30,50
(𝑥𝑖 − 𝑥 )² ∙ 𝑓𝑖
𝑠² =
𝑛

30,50
𝑠² = = 1,525 𝑓𝑖𝑙ℎ𝑜𝑠²
20
Número de filhos – desvio padrão (s)

𝑠² = 1,525 𝑓𝑖𝑙ℎ𝑜𝑠²

𝑠 = 1,525

𝑠 = 1,23 𝑓𝑖𝑙ℎ𝑜𝑠
Interatividade

Dada a tabela do número de erros de impressão da primeira página de

um jornal durante 50 dias, assinale a alternativa correta.
Erros fi xi . fi (xi – x)² * fi
7 11 7 x 11 = 77 (7 – 12,7)² x 11 = 357,4

11 14 11 x 14 = 154 (11 – 12,7)² x 14 = 40,5

15 14 15 x 14 = 210 (15 – 12,7)² x 14 = 74,1

19 9 19 x 9 =171 (19 – 12.7)² x 9 = 357,2

48  = 612  = 829,2

a) O tamanho da amostra é igual a 52.

b) A média é igual a 10,5 erros.
c) O desvio padrão é igual a 17,3 erros.
d) O desvio padrão é igual a 4,2 erros.
e) A variância é igual a 4 erros².
 Erros xi fi xi . fi (xi – x)² * fi

Resposta 5  9 7 11 7 x 11 = 77 (7 – 12,7)² x 11 =
357,4
9  13 11 14 11 x 14 = 154 (11 – 12,7)² x 14 =
40,5
13  17 15 14 15 x 14 = 210 (15 – 12,7)² x 14 =
74,1
17 21 19 9 19 x 9 =171 (19 – 12.7)² x 9 =
357,2
Total 48  = 612  = 829,2

a) O tamanho da amostra é igual a 52.

b) A média é igual a 10,5 erros.
c) O desvio padrão é igual a 17,3 erros.
d) O desvio padrão é igual a 4,2 erros.
e) A variância é igual a 4 erros².
Coeficiente de variação (CV)

 O coeficiente de variação é a razão entre o desvio padrão e a

média. O resultado é multiplicado por 100, para que o
coeficiente de variação seja dado
em porcentagem.
s
CV   100
x
 O coeficiente de variação mede a dispersão em relação à
média, comparando dois conjuntos de dados diferentes.
Coeficiente de variação

s
CV  100
x
 Idade

CV  74,55 %
1,23
CV  100
1,65
 Estatura

CV 
5,57
100 CV  3,46 %
161
Exemplo

Considere uma população de 40 profissionais liberais que foram

questionados sobre o número de revistas e/ou jornais que eles
são assinantes. Obteve-se os seguintes dados:

2 0 4 3 1 2 3 0 2 1
3 1 2 4 4 0 3 2 1 3
2 1 3 0 2 3 2 1 2 3
4 1 2 2 1 3 3 0 2 0
Exemplo

 Rol
0 0 0 0 0 0 1 1 1 1
1 1 1 1 2 2 2 2 2 2
2 2 2 2 2 2 3 3 3 3
3 3 3 3 3 3 4 4 4 4
Nº de publicações Nº de profissionais

0 6
1 8
2 12
3 10
4 4
Exemplo – gráfico

Nº de assinantes
14
Nº de profissionais

12
10
8
6
4
2
0
0 1 2 3 4
1 2 3 4 5
Nº de publicações
Fonte: da autora
Exemplo – média e moda

Nº de publicações Nº de profissionais xi.fi

0 6 0x6 = 0
1 8 1x8 = 8
2 12 2x12 = 24
3 10 3x10 = 30
4 4 4x4 = 16
Total 40 (xifi) = 78

 Média = 1,95 publicação

0  8  24  30  16 78
x   1,95
40 40
 Moda
 Mo = 2 publicações
Exemplo – mediana

0 0 0 0 0 0 1 1 1 1
1 1 1 1 2 2 2 2 2 2
2 2 2 2 2 2 3 3 3 3
3 3 3 3 3 3 4 4 4 4
 Mediana
 Posição: (40 + 1)/2 = 20,5

Então:
 Md = (2 + 2)/2 = 2 publicações
Exemplo – amplitude

Nº de publicações Nº de profissionais

0 6
1 8
2 12
3 10
4 4

 Amplitude Total = Valor máximo – Valor mínimo

 Amplitude Total = 4 – 0 = 4
Exemplo – variância

Nº de publicações Nº de profissionais (xi – x)².fi

0 6 (0 – 1,95)²  6 =
22,82
1 8 (1 – 1,95)²  8 = 7,22

2 12 (2 – 1,95)²  12 =
0,03
3 10 (3 – 1,95)²  10 =
11,03
4 4 (4 – 1,95)²  4 =
16,81
Total 40  = 57,91

 Sabendo que a média é 1,95 publicações

 x  x 
2
57 ,91
s²    1,45 publicação²
n 40
Exemplo – desvio padrão

Nº de publicações Nº de profissionais (xi – x)².fi

0 6 (0 – 1,95)²  6 = 22,82

1 8 (1 – 1,95)²  8 = 7,22

2 12 (2 – 1,95)²  12 = 0,03

3 10 (3 – 1,95)²  10 = 11,03

4 4 (4 – 1,95)²  4 = 16,81

Total 40  = 57,91

 Sabendo que a média é 1,95 publicações

s  1,45  1,20 publicação

Exemplo – coeficiente de variação

1,2
CV  100  61,54 %
1,95
 Um CV igual a 61,54% indica que a dispersão dos dados em
relação à média é muito grande, ou seja, a dispersão relativa é
alta.
Interatividade

É dada uma tabela de uma amostra das notas Nota Alunos

dos alunos da disciplina de estatística.
6,3 2
I. A amostra tem 5 alunos.
II. A média da nota é igual a 3. 8,4 3
III.A moda da nota é igual a 6,5. 5,3 2
IV. A variância não pode ser usada como
9,5 3
parâmetro para medir a variabilidade
dos dados. 6,5 5
Assinale a alternativa com as afirmações incorretas.
a) I.
b) II.
c) III e IV.
d) I, II e IV.
e) I, II, III e IV.
Resposta

d) I, II e IV (alternativas incorretas).
Nota Alunos xifi
I. A amostra tem 5 alunos.
II. A média da nota é igual a 3. 6,3 2 12,6
8,4 3 25,2
5,3 2 10,6
109 ,4
x  7,3 9,5 3 28,5
15 6,5 5 32,5
Total 15 109,4

III. A moda da nota é igual a 6,5.

IV. A variância não pode ser usada como parâmetro
para medir a variabilidade dos dados.
ATÉ A PRÓXIMA!
 Unidade II

ESTATÍSTICA

Profa. Alessandra Teixeira

Probabilidade

 Para fazer inferência estatística usam-se técnicas que exigem

o conhecimento de probabilidade.

 A teoria das probabilidades busca estimar as chances de

ocorrer um determinado acontecimento.

 Antes de ativar uma usina nuclear, devemos analisar a

probabilidade de uma detonação acidental.

 Antes de aumentar o limite de velocidade em nossas rodovias,

devemos procurar estimar a probabilidade do aumento em
acidentes fatais.
Experimentos, espaço amostral e eventos

 Experimentos: resultado no lançamento de um dado; hábito

de fumar de um estudante sorteado em sala de aula; tipo
sanguíneo de um habitante escolhido ao acaso.

 Espaço amostral: lançamento de um dado:  = {1, 2, 3, 4, 5, 6};

exame de sangue (tipo sanguíneo):  = {A, B, AB, O}; hábito
de fumar:  = {Fumante, Não fumante}; tempo de duração de
uma lâmpada:  = {t: t  0}.

Eventos: alguns eventos de um dado:

 A: sair face par A = {2, 4, 6}  
 B: sair face maior que 3 B = {4, 5, 6}  
Probabilidade – exemplo

 Medida da incerteza associada aos resultados do experimento

aleatório.

n( A)
P ( A) 
n( S )
Em um vestibular, uma questão típica de múltipla escolha tem 5
respostas possíveis. Respondendo à questão aleatoriamente,
qual é a probabilidade de sua resposta estar errada?

4
P(resposta _ errada )   0,8
5
Probabilidade – mais dois exemplos

Imagine que um dado foi jogado. Qual é a probabilidade de ter

ocorrido 5?

1
𝑃 5 = = 0,1667 𝑜𝑢 16,67%
6

No lançamento de um dado perfeito, qual é a probabilidade de

sair um número maior do que 4?

2 1
𝑃 4 = = = 0,3333 𝑜𝑢 33,33%
6 3
Probabilidade – outro exemplo

 Determine a probabilidade
de que um casal com três 1º 2º 3º
filhos tenha exatamente H H H
2 meninos.
H H M
H M H
3 H M M
𝑃 2 𝑚𝑒𝑛𝑖𝑛𝑜𝑠 = = 0,375 M H H
8 M H M
M M H
M M M
Probabilidade condicional – exemplo

Homens (H) Mulheres (M) Total

Cursão (C) 15 4 19
Estatística (E) 16 15 31
Física (F) 6 0 6
Outros (O) 4 2 6
Total 41 21 62

Selecione um aluno ao acaso e defina os eventos:

a) O aluno selecionado é do sexo masculino, dado que cursa o

Cursão – P(HC) = 15/19 = 0,7895 ou 78,95%;

b) A disciplina selecionada é estatística, dado que é homem –

P(EH) = 16/31 = 0,516.
Regra da multiplicação – eventos dependentes

Se os eventos A e B são dependentes, temos que:

 P(A e B) = P(A  B) = P(A) . P(B/A)

Uma urna contém duas bolas brancas e uma vermelha.

Retiram-se duas bolas da urna ao acaso, uma seguida da outra e
sem que a primeira tenha sido recolocada. Qual é a probabilidade
de as duas serem brancas?
Regra da multiplicação – eventos dependentes

 A probabilidade da primeira bola ser branca é: 2/3 = 0,6667 ou

66,67%.

 A probabilidade da segunda bola ser branca: ½ = 0,5 ou 50%.

Para obter a probabilidade das duas bolas retiradas serem

brancas, faz-se o produto:

 P(2 bolas brancas) = 2/3 * 1/2 = 2/6 = 1/3 = 0,3333 ou 33,33%.

Interatividade

Com referência à tabela, admita que todas as escolhas envolvam

os 2.000 indivíduos. Se uma pessoa é selecionada
aleatoriamente, qual é a probabilidade de ela ter sido vítima de
um estranho, dado que foi escolhida uma vítima de furto?
Homicídio Furto Assalto Total
Estranho 12 379 727 1118
Conhecido ou parente 39 106 642 787
Ignorado 18 20 57 95
Totais 69 505 1429 2000

a) P(estranho / furto) = 0,75.

b) P(estranho / furto) = 0,559.
c) P(estranho / furto) = 0,2525.
d) P(estranho / furto) = 0,5087.
e) P(estranho / furto) = 0,1739.
Resposta

Com referência à tabela, admita que todas as escolhas envolvam

os 2.000 indivíduos. Se uma pessoa é selecionada
aleatoriamente, qual é a probabilidade de ela ter sido vítima de
um estranho, dado que foi escolhida uma vítima de furto?

Homicídio Furto Assalto Total

Estranho 12 379 727 1118
Conhecido ou parente 39 106 642 787
Ignorado 18 20 57 95
Totais 69 505 1429 2000

a) P(estranho / furto) = 0,75.

P(estranho / furto) = 379 / 505 = 0,75
Eventos independentes – exemplo

 Lançando dois dados, qual é a probabilidade de obtermos

1 no primeiro dado e um número par no segundo dado?

Solução:

 Probabilidade de sair 1 = 1/6

 Probabilidade de sair número par = 3/6 = 1/2

P= 1 x 1 = 1
6 2 12
Eventos independentes – exemplo

 Imagine que um dado e

uma moeda são jogados Moeda
ao mesmo tempo. Dado
Cara Coroa

 Qual a probabilidade de 1 Cara; 1 Coroa; 1

ocorrer cara na moeda 2 Cara; 2 Coroa; 2
sabendo que ocorreu face
6 no dado? 3 Cara; 3 Coroa; 3
4 Cara; 4 Coroa; 4
 P(sair cara na moeda, 5 Cara; 5 Coroa; 5
sabendo que ocorreu 6 no
dado) = ½ = 0,5. 6 Cara; 6 Coroa; 6
Regra da multiplicação – eventos independentes

 P(A e B) = P(A  B) = P(A) . P(B)

 Palavra-chave: E

 Uma moeda será jogada duas vezes. Qual é a probabilidade de

ocorrer cara nas duas jogadas?
 Probabilidade de ocorrer cara na primeira jogada é ½ = 0,5
ou 50%.
 Probabilidade de ocorrer cara na segunda jogada é: ½ = 0,5
ou 50%.
 Para obter a probabilidade de ocorrer cara nas duas jogadas,
faz-se o produto: ½ . ½ = ¼ = 0,25 ou 25%.
Eventos mutuamente excludentes – definição

 Dois eventos são mutuamente exclusivos quando a realização

de um exclui a realização do outro. Por exemplo, no
lançamento de uma moeda, o evento tirar cara e o tirar coroa
são mutuamente exclusivos, pois, se um deles for realizado,
o outro não será.

A probabilidade de que um ou outro evento se realize é dada

por:
 P = P1 + P2

 Em que: P1 e P2 são os eventos mutuamente exclusivos

(também chamados de eventos soma).
Regra da adição – exemplo com eventos mutuamente
excludentes

 P(A ou B) = P(A  B) = P(A) + P(B)

 Palavra-chave: OU

Suponha que uma urna contém duas bolas brancas, uma azul
e uma vermelha. Retira-se uma bola da urna ao acaso. Qual a
probabilidade de ter saído bola colorida, isto é, azul ou vermelha?

 A probabilidade de sair bola azul é ¼ = 0,25 ou 25%.

 A probabilidade de sair bola vermelha é ¼ = 0,25 ou 25%.
 Então a probabilidade de sair bola colorida é
¼ + ¼ = 2/4 = ½ = 0,5 ou 50%.
Regra da adição – eventos não excludentes

 P(A ou B) = P(A  B) = P(A) + P(B) – P(A  B)

Imagine uma carta ser retirada ao acaso de um baralho.

Qual é a probabilidade de sair uma carta de espadas ou um ás?
 Um baralho tem 52 cartas.
 13 são de espadas e 4 são ases.
 P(sair uma carta de espadas ou um ás) é:
 13/52 + 4 /52 (Resposta errada).

P(sair uma carta de espadas ou um ás) é:

 13/52 + 4/52 – 1/52 = 16/52 = 4/13 = 0,3077 ou 30,77%
(Resposta correta).
Exemplos de probabilidade

Em uma caixa existem dez bolinhas idênticas, numeradas de 1

a 10. Qual a probabilidade de que, ao se retirar uma bolinha, ela
seja múltiplo de 2 ou de 5?

Solução:
S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
n(S) = 10
E = {2, 4, 5, 6, 8,10}
n(E) = 6

P = 6 = 3 = 0,6
10 5
Exemplos de probabilidade

Lançando um dado, qual é a probabilidade de tirar 3 ou 5 na face

superior?

Solução: (Eventos mutuamente exclusivos)

Sair número 3: P = 1
6

Sair número 5: P = 1
6
P = 1 + 1 = 2:2 = 1
6 6 6:2 3
Exemplos de probabilidade

Uma caixa contém 20 canetas iguais, das quais 7 são defeituosas,

e outra caixa contém 12, das quais 4 são defeituosas. Uma caneta
é retirada aleatoriamente de cada caixa. Determine as
probabilidades de que ambas não sejam defeituosas.

Solução: (Eventos independentes)

Caixa A: 20 canetas, em que 7 são defeituosas e 13 são perfeitas.

Caixa B: 12 canetas, em que 4 são defeituosas e 8 são perfeitas.

P = 13 x 8 = 104 = 0,43
20 12 240
Interatividade

Considere uma urna que contém 7 bolas brancas, 2 bolas

vermelhas e 5 bolas pretas. Determine a probabilidade de se
retirar, ao acaso, uma bola preta.

a) 5/14
b) 7/5
c) 2/5
d) 2/7
e) 5/2
Resposta

Considere uma urna que contém 7 bolas brancas, 2 bolas

vermelhas e 5 bolas pretas. Determine a probabilidade de se
retirar, ao acaso, uma bola preta.

Solução: Alternativa a)

Total de bolas pretas: 5

Total de bolas na urna: 7 + 2 + 5 = 14

P = 5/14
Distribuição normal de probabilidades – exemplo

Os comprimentos das peças produzidas por certa máquina

apresentaram as seguintes medidas estatísticas: média =
2,00 cm e desvio-padrão = 0,04 cm. Qual é a probabilidade de
uma peça retirada aleatoriamente do lote analisado ter
comprimento entre 2,00 cm e 2,0508 cm?
Solução:

z = x – x = 2,00 – 2,00 = 0
S 0,04

z = 2,0508 – 2,00 = 0,0508 = 1,27

0,04 0,04
Distribuição normal de probabilidades – exemplo

z 0 1 2 3 4 5 6 7 8 9
0,0
0,1
0,2
0,3
...
1,2 0,3980
...

Verificando na tabela, temos que a probabilidade é dada por:

P = 0,3980 = 39,80%
Distribuição normal de probabilidades – exemplo

 A duração de um certo componente tem média igual a 850

dias e um desvio-padrão de 40 dias. Sabendo que a duração é
normalmente distribuída, calcule a probabilidade desse
componente durar entre 800 dias e 950 dias.

Solução:

Vamos calcular separadamente:

 entre 800 e 850 dias
 z = (800 – 850)/40 = – 1,25
 entre 850 dias e 950 dias
 z = (950 – 850)/40 = 2,5
Distribuição normal de probabilidades – exemplo

Verificando na tabela:
 Entre 0 e – 1,25 = entre 0 e 1,25 P1 = 0,3944
 Entre 0 e 2,5 P2 = 0,4938

Fonte: livro-texto
P1 + P2 = 0,8882
Correlação linear

 Em Estatística, a correlação é um parâmetro que indica o grau

de correspondência entre duas variáveis (neste estudo,
simbolizadas por x e y).

Exemplos:
 salário de um trabalhador X escolaridade do trabalhador;
 quantidade de livros que uma pessoa já leu X escolaridade;
 horas de estudo X nota na prova;
 temperatura de um forno X tempo de cozimento no forno.
Correlação linear

A correlação pode ser:

 Positiva: dada pela relação direta entre as variáveis

(se a variável x aumentar, a variável y também aumentará,
e vice-versa). Exemplo: horas de estudo x nota na prova.

 Negativa: dada pela relação inversa entre as variáveis

(se a variável x aumentar, a variável y tenderá a diminuir, e
vice-versa). Exemplo: velocidade do carro x tempo da viagem.
Interatividade

Encontre, na tabela normal de probabilidades, a probabilidade

de encontrar uma variável padrão entre 0 e 1,47.

a) 0
b) 0,4292
c) 0,1258
d) 1,4752
e) 1,47
Resposta

Encontre, na tabela normal de probabilidades, a probabilidade

de encontrar uma variável padrão entre 0 e 1,47.

Solução: Alternativa b)
. . . . . . 7
.
.
1,4 0,4292

P = 0,4292
Correlação linear – diagrama de dispersão

Considere os dados apresentados abaixo que representam

o número de anos que a pessoa estudou (xi) e número de livros
que a pessoa já leu (yi).

xi 3 5 7 9 10 14 16
yi 1 2 3 5 7 10 13

 Construa o diagrama de dispersão equivalente.

Correlação linear – diagrama de dispersão

Solução:
xi 3 5 7 9 10 14 16
yi 1 2 3 5 7 10 13
Diagrama de Dispersão
14
12
10
yi 8
6
4
2
0
0 2 4 6 8 10 12 14 16 18
xi
Fonte: livro-texto
Correlação linear –
Coeficiente de correlação de Pearson

Fórmula:

n. xi. yi –  xi. yi

r
[n. xi 2 – ( xi ) 2 ].[n. yi 2 – ( yi ) 2 ]

Os possíveis valores de r variam de –1 a 1, em que:

 r = –1,00: correlação negativa perfeita.

 r = 0: correlação inexistente.
 r = 1: correlação positiva perfeita.
Correlação linear – exemplo

Abaixo estão apresentados os dados referentes ao número de

anos que a pessoa estudou (xi) e número de livros que a pessoa
já leu (yi).

xi 3 5 7 9 10 14 16
yi 1 2 3 5 7 10 13

 Calcule o coeficiente de correlação de Pearson e interprete-o.

Correlação linear – exemplo

Solução:
xi yi xi.yi xi2 yi2
3 1 3 9 1
5 2 10 25 4
7 3 21 49 9
9 5 45 81 25
10 7 70 100 49
14 10 140 196 100
16 13 208 256 169
64 41 497 716 357
Correlação linear – exemplos
Interatividade

Foi realizada uma pesquisa sobre a relação entre as horas de

estudo e a nota da prova e verificou-se que o coeficiente de
correlação é igual a 0,98. Interprete-o.

a) A correlação entre essas duas variáveis é positiva forte,

ou seja, quanto maior o número de horas de estudo,
maior a nota.
b) A correlação entre essas duas variáveis é positiva forte,
ou seja, quanto maior o número de horas de estudo,
menor a nota.
c) Correlação pouco significativa.
d) A correlação entre essas duas variáveis é negativa.
e) Sem correlação.
Resposta

Foi realizada uma pesquisa sobre a relação entre as horas de

estudo e a nota da prova e verificou-se que o coeficiente de
correlação é igual a 0,98. Interprete-o.

Solução: Alternativa a)

 A correlação entre essas duas variáveis é positiva forte, ou

seja, quanto maior o número de horas de estudo, maior a nota.
ATÉ A PRÓXIMA!